메뉴
根据用户要面试的岗位 JD、公司、候选人背景、已有题库或飞书求职知识库，生成岗位专属面试备书文档。适用于用户说“围绕这个岗位准备面试”“生成可能面试题和答案”“模拟面试官追问”“从 JD 反推面试题”“调用大厂面试真题解析做备面”等场景。输出必须包含岗位能力模型、高概率题目、答案骨架、追问链路、评分标准、个人素材补齐清单，并标注题目来源级别。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
基于岗位 JD、候选人简历/项目、已有面试备书或题库，生成一面、二面、三面/终面、HR 面的多轮面试准备文档。适用于用户说“按一二三面准备”“面试全流程题库”“每轮面试高概率题和答案”“在面试备书基础上继续拆轮次”“给我可直接使用的面试回答”等场景。输出必须用表格呈现每轮高概率题、考察点、回答思路、可直接开口答案和追问预判。
根据面试录音转写、PDF/Markdown/飞书文档/纯文本记录，提炼真实面试问题、识别候选人原回答问题，并生成下一次可直接使用的回答。适用于用户说“复盘这场面试”“从录音里提炼面试题”“把这场面试变成下次可用答案”“根据面试录音生成飞书复盘文档”等场景。输出应包含问题地图、问题复盘、补充材料清单和下次练习计划。
根据目标岗位 JD、候选人原始简历/低颗粒经历、求职方向和可选参考知识库，生成岗位定制简历改写方案。适用于用户说“根据这个 JD 改简历”“这段经历能投什么岗位”“把校园/社团/项目经历写成运营/产品/市场简历”“生成匹配岗位的简历 bullet”“调用简历知识库优化简历”等场景。输出必须包含岗位匹配判断、经历挖掘、改写策略、可投递简历 bullet、数据占位/证据缺口、JD 关键词覆盖和飞书/Markdown 交付。
段永平的思维框架与表达方式。基于WebSearch多轮真实调研（6维度：著作/对话/表达DNA/他者评价/决策记录/时间线）， 提炼5个核心心智模型、8条决策启发式、完整的表达DNA，收录泡泡玛特转折等近期争议。 用途：作为思维顾问，用段永平的视角分析问题、审视决策、提供反馈。 当用户提到「用段永平的视角」「段永平会怎么看」「本分」「敢为天下后」时使用。 即使用户只是说「帮我用段永平的角度想想」「如果段永平会怎么做」「切换到段永平」也应触发。 触发词包括但不限于：「段永平」「大道」「本分」「stop doing list」「慢就是快」「敢为天下后」「平常心」。
马斯克的思维操作系统。基于传记、播客、推文、法庭证词、决策记录和外部批评的深度调研， 提炼5个核心心智模型、8条决策启发式和完整的表达DNA。 用途：作为思维顾问，用马斯克的视角分析问题、审视决策、拆解成本结构、挑战行业假设。 当用户提到「用马斯克的视角」「马斯克会怎么看」「Musk模式」「马斯克perspective」「elon perspective」时使用。 即使用户只是说「这个成本合理吗」「从第一性原理想想」「白痴指数是多少」「五步算法」「能不能垂直整合」也可触发。 不要在用户只是问「能不能更快」「流程有必要吗」等一般性问题时触发——只在涉及成本拆解、第一性原理、激进迭代等马斯克核心方法论时激活。
理查德·费曼的思维框架与表达方式。基于40+个一手来源的深度调研， 提炼5个核心心智模型、8条决策启发式和完整的表达DNA。 用途：作为思维顾问，用费曼的视角分析问题、审视决策、提供反馈。 当用户提到「用费曼的视角」「费曼会怎么看」「费曼模式」「feynman perspective」「费曼学习法」时使用。 即使用户只是说「这是不是cargo cult」「命名不等于理解」「能不能做个演示替代论证」「我真的理解了还是只记住了名字」也可触发。 不要在用户只是说「帮我解释一下」「用简单的话说」等一般性请求时触发——只在涉及费曼式验证（货物崇拜检测、命名vs理解、反自欺）时激活。
| name | interview-prep-brief |
| description | 根据用户要面试的岗位 JD、公司、候选人背景、已有题库或飞书求职知识库，生成岗位专属面试备书文档。适用于用户说“围绕这个岗位准备面试”“生成可能面试题和答案”“模拟面试官追问”“从 JD 反推面试题”“调用大厂面试真题解析做备面”等场景。输出必须包含岗位能力模型、高概率题目、答案骨架、追问链路、评分标准、个人素材补齐清单，并标注题目来源级别。 |
为陌生岗位快速生成“面试备书”。不要只生成题目和答案；普通题库输出和通用聊天模型没有差异。必须把 JD、已有真题、候选人经历和面试官考察逻辑合成一份可训练、可复盘、可发给用户的备面作战书。
尽量收集以下信息；缺失时先合理假设并标注缺口：
默认可参考用户私域里的《大厂面试真题解析》：
https://gte09oerz5.feishu.cn/wiki/E5UxwObpMiwyfVk6j0BcsMS7nGc
使用规则：
题目分三类，必须显式标注：
真题参考：来自用户提供的题库或可信原始材料相似题迁移：从同公司/同岗位族/同能力点题目改写JD 推演题：根据 JD 职责、能力要求和业务场景推断不要把 JD 推演题 写成“真题”。用户可以用它备考，但不能误导为真实面经。
提取四类信息：
业务场景：岗位服务的业务、用户、产品场景关键任务：岗位入职后要完成的工作能力要求：数据、产品、运营、策略、协作、技术理解等隐含考点：JD 没明说但面试官大概率会追问的点输出一个岗位能力模型，建议 4-6 个能力维度。
如果用户提供飞书文档：
lark-doc 读取 outline。题库不是题目唯一来源。并不是每道高概率题都必须在题库里找到原题；题库主要提供三种价值：
题目参考：已有题库里出现过的真实问题答题思路参考：题库答案中的拆解方式、指标口径、表达结构岗位考察点参考：同类岗位反复出现的能力要求如果某题没有在题库中找到原题，但能从 JD 和同类题推导出来，标为 JD 推演题 或 相似题迁移，不要硬标 真题参考。
如果没有题库，说明缺少真题来源，只生成 相似题迁移 和 JD 推演题。
需要网上参考时，优先查 GitHub 上的 mock interview / interview prep / question generator 项目，参考它们的产品机制，而不是照搬题目。
重点观察：
高星只是热度信号，不是采用结论。
备书文档必须包含：
岗位速读：一句话解释这个岗位到底要解决什么问题能力模型：4-6 个维度，每个维度说明面试官想验证什么高概率题目地图：按能力维度列题，标注来源级别和优先级核心题答案骨架：不是完整背诵稿，而是可替换个人素材的回答结构直接可用参考答案：每道 P0 题给一版 60-120 秒可直接开口练习的回答追问链路：每道核心题至少 2-3 个可能追问评分标准：好答案、普通答案、危险答案的差异个人素材缺口：候选人需要补哪些项目、数据、案例3 天备面计划：按时间安排输入、练习、复盘答案不要写成万能空话。核心题必须同时给两种形态：
答案骨架：告诉用户如何替换成自己的经历
参考答案：给一段可以直接开口练的 60-120 秒示范稿
面试官真实考察点
推荐回答结构
可以套用的个人素材位置
关键指标或业务口径
常见追问
避坑提醒
参考答案规则：
示例故事，可替换[你的真实指标] 占位，并给出合理的示例口径，例如“从 12% 提到 16%”“负反馈率下降 18%”连续追问场景：
面试官追问 -> 面试者回答 -> 面试官继续追问项目经历类题目优先用：
背景 + 任务 + 存在问题 + 解决方案 + 量化结果
策略/业务题优先用：
目标定义 + 对象拆解 + 指标诊断 + 策略方案 + 验证闭环
AI/产品技术理解题优先用：
用户场景 + 模型能力边界 + 评估指标 + 体验兜底 + 迭代机制
输出优先级：
lark-cli 且已授权，创建飞书文档。飞书文档标题建议：
<公司><岗位> 面试备书
文档中使用表格承载题目地图、评分标准和素材缺口；使用 callout 写结论和风险提醒。
本地 Markdown 文件建议保存到当前工作目录的 interview-briefs/ 下，文件名使用：
<公司或岗位>-面试备书.md
Markdown 内容也必须保留题目来源标注、直接可用答案、追问链路、评分标准和个人素材缺口。
交付前自检：